> For the complete documentation index, see [llms.txt](https://docs.roboflow.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.roboflow.com/models/hi/supported-tasks/multimodal.md).

# मल्टीमॉडल

छवियों के बारे में साधारण पाठ में प्रश्न पूछें और पाठ में उत्तर प्राप्त करें, फिर Roboflow पर अपने स्वयं के विज़न-लैंग्वेज मॉडल को fine-tune और deploy करें।

## मल्टीमॉडल मॉडल क्या है?

मल्टीमॉडल मॉडल, जिन्हें विज़न-लैंग्वेज मॉडल (VLMs) भी कहा जाता है, एक छवि और एक पाठ प्रॉम्प्ट लेते हैं और पाठ में उत्तर देते हैं। वही मॉडल किसी छवि के लिए कैप्शन दे सकता है, उसके बारे में कोई प्रश्न का उत्तर दे सकता है (विज़ुअल क्वेश्चन आंसरिंग), या एक खुला प्रॉम्प्ट का पालन कर सकता है (उदा.: "इस फोटो में हर सुरक्षा समस्या की सूची बनाएं"). कुछ संरचित आउटपुट जैसे बॉक्स या JSON भी वापस दे सकते हैं। जब प्रश्न अक्सर बदलता हो या उसे निश्चित वर्गों में बदलना कठिन हो, तब इनका उपयोग करें।

<figure><img src="https://3815805500-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-0ca7c7502d3b4b2cb7f2078b859080f499b33902%2Fimg-task-multimodal-wide.webp?alt=media" alt="Oranges on a conveyor with the generated caption: Oranges on a conveyor."><figcaption></figcaption></figure>

## समर्थित मल्टीमॉडल मॉडल

Roboflow इन मल्टीमॉडल मॉडलों का समर्थन करता है। देखें [मल्टीमॉडल मॉडल](https://docs.roboflow.com/models/hi/supported-models.md#multimodal) मॉडल-वार निर्यात और परिनियोजन समर्थन के लिए तालिका।

<table data-search="false"><thead><tr><th>मॉडल</th><th>लाइसेंस</th><th data-type="checkbox">Roboflow पर प्रशिक्षित किया जा सकता है</th><th>नवीनतम रिलीज़</th></tr></thead><tbody><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/cosmos-3-edge.md">Cosmos 3 Edge</a></td><td><a href="https://docs.roboflow.com/models/hi/model-licenses.md#other-models">अपस्ट्रीम लाइसेंस</a></td><td>true</td><td>2026</td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/qwen3-5.md">Qwen3.5</a></td><td><a href="https://docs.roboflow.com/models/hi/model-licenses.md#other-models">अपस्ट्रीम लाइसेंस</a></td><td>true</td><td>2026</td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/qwen3-vl.md">Qwen3-VL</a></td><td><a href="https://docs.roboflow.com/models/hi/model-licenses.md#other-models">अपस्ट्रीम लाइसेंस</a></td><td>true</td><td>2025</td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/perception-encoder.md">Perception Encoder</a></td><td><a href="https://docs.roboflow.com/models/hi/model-licenses.md#other-models">अपस्ट्रीम लाइसेंस</a></td><td>false</td><td>2025</td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/smolvlm2.md">SmolVLM2</a></td><td><a href="https://docs.roboflow.com/models/hi/model-licenses.md#other-models">अपस्ट्रीम लाइसेंस</a></td><td>true</td><td>2025</td></tr><tr><td>Qwen2.5-VL</td><td><a href="https://docs.roboflow.com/models/hi/model-licenses.md#other-models">अपस्ट्रीम लाइसेंस</a></td><td>true</td><td>2025</td></tr><tr><td>SmolVLM 256M</td><td><a href="https://docs.roboflow.com/models/hi/model-licenses.md#other-models">अपस्ट्रीम लाइसेंस</a></td><td>true</td><td>2025</td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/paligemma2.md">PaliGemma 2</a></td><td><a href="https://docs.roboflow.com/models/hi/model-licenses.md#other-models">अपस्ट्रीम लाइसेंस</a></td><td>true</td><td>2024</td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/florence-2.md">Florence 2</a></td><td><a href="https://docs.roboflow.com/models/hi/model-licenses.md#other-models">अपस्ट्रीम लाइसेंस</a></td><td>true</td><td>2024</td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/moondream2.md">Moondream2</a></td><td><a href="https://docs.roboflow.com/models/hi/model-licenses.md#other-models">अपस्ट्रीम लाइसेंस</a></td><td>false</td><td>2025</td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/yolo-world.md">YOLO-World</a></td><td><a href="https://docs.roboflow.com/models/hi/model-licenses.md">AGPL-3.0</a> (वाणिज्यिक उपयोग के लिए लाइसेंस आवश्यक है, Roboflow क्लाउड में शामिल)</td><td>false</td><td>2024</td></tr><tr><td><a href="https://docs.roboflow.com/models/hi/supported-models/clip.md">CLIP</a></td><td><a href="https://docs.roboflow.com/models/hi/model-licenses.md#other-models">अपस्ट्रीम लाइसेंस</a></td><td>false</td><td>2021</td></tr></tbody></table>

## मल्टीमॉडल मॉडल का फाइन-ट्यूनिंग

आप Roboflow पर कुछ मल्टीमॉडल मॉडलों को fine-tune कर सकते हैं (उदा.: Qwen3-VL, Florence 2, PaliGemma 2)। [मल्टीमॉडल मॉडल](https://docs.roboflow.com/models/hi/supported-models.md#multimodal) तालिका बताती है कि कौन-कौन से।

{% stepper %}
{% step %}

### एक मल्टीमॉडल प्रोजेक्ट बनाएं

एक [प्रोजेक्ट](https://docs.roboflow.com/datasets/create-and-upload/create-a-project) बनाएं और प्रोजेक्ट प्रकार के रूप में "Multimodal" चुनें।

<figure><img src="https://3815805500-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-5c1c2973605b125b6f909401c24cf657c49a9081%2Fcreate-project-multimodal.webp?alt=media" alt="Create project form with Multimodal selected as the project type and a preview of a multimodal example"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

### छवियाँ अपलोड और एनोटेट करें

[छवियाँ अपलोड करें](https://docs.roboflow.com/datasets/create-and-upload/adding-data), [उपसर्ग जोड़ें](https://docs.roboflow.com/datasets/annotate/annotate/annotate-multimodal-data) (वे प्रॉम्प्ट जिनका आपका मॉडल उत्तर देगा), फिर हर छवि में प्रत्येक उपसर्ग के लिए उत्तर (सफिक्स) लिखें [एनोटेशन संपादक](https://docs.roboflow.com/datasets/annotate/annotate/annotation-tools). [Label Assist](https://docs.roboflow.com/datasets/annotate/annotate/ai-labeling/model-assisted-labeling) आपकी समीक्षा के लिए मॉडल से उत्तरों का मसौदा तैयार कर सकता है।

<figure><img src="https://3815805500-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-7aaed09426c0bd40ceb0549ec6b3d8c2503e11bc%2Fannotate-multimodal.webp?alt=media" alt="Annotation editor on a pallet manifest image with the prefix JSON and a JSON suffix listing route, pallet number, and products"><figcaption></figcaption></figure>
{% endstep %}

{% step %}

### डेटासेट का एक संस्करण जनरेट करें

[डेटासेट का एक संस्करण जनरेट करें](https://docs.roboflow.com/datasets/versions/dataset-versions/create-a-dataset-version): आपकी छवियों का एक स्थिर स्नैपशॉट, जिसमें train, valid, और test split के साथ-साथ कोई भी preprocessing और augmentation शामिल है।
{% endstep %}

{% step %}

### एक मल्टीमॉडल मॉडल को प्रशिक्षित करें

"Train" पर क्लिक करें और fine-tuning समर्थित मॉडल चुनें। देखें [मॉडल प्रशिक्षित करें](https://docs.roboflow.com/models/hi/train/train-a-model.md) प्रत्येक विकल्प के लिए।

<figure><img src="https://3815805500-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2Fcmo9mhfIjYrvFFy1U7dk%2Fuploads%2Fgit-blob-b1e7f5d64887c2d76bddbac9c087e42c5b06c21d%2Ftrain-architectures-multimodal.webp?alt=media" alt="Select Architecture step on the Train page listing Qwen3.5 (Recommended), Qwen3 VL, SmolVLM, Florence 2, Cosmos 3, PaliGemma 2, and Qwen2.5 VL"><figcaption></figcaption></figure>
{% endstep %}
{% endstepper %}

## एक मल्टीमॉडल मॉडल को परिनियोजित करें

प्रशिक्षण के बाद, अपने मल्टीमॉडल मॉडल को इसके साथ परिनियोजित करें [Serverless Cloud API](https://docs.roboflow.com/deployment/roboflow-cloud/serverless-api), एक [समर्पित परिनियोजन](https://docs.roboflow.com/deployment/roboflow-cloud/dedicated-deployments), या अपने स्वयं के हार्डवेयर पर इसके साथ [Roboflow Inference](https://docs.roboflow.com/deployment/self-hosted/self-hosted). देखें [परिनियोजन चुनना](https://docs.roboflow.com/deployment/choosing-a-deployment) विकल्पों की तुलना करने के लिए।
